1
TARTU ÜLIKOOL
LOODUS- JA TEHNOLOOGIATEADUSKOND Füüsika instituut
Evelin Kangro
FÜTOPLANKTONI NEELDUMISKOEFITSIENDI JA KLOROFÜLL-a KONTSENTRATSIOONI VAHELINE SEOS
KAUGSEIRE RAKENDUSTEKS EESTI SUURTE JÄRVEDE NÄITEL
Magistritöö (30 EAP)
Juhendajad: M.Sc. Krista Alikas Tartu Ülikool Ph.D. Kersti Kangro Tartu Observatoorium Kaitsmisele lubatud:
Juhendajad:
Programmijuht:
allkiri, kuupäev
Tartu 2014
2
Sisukord
Sissejuhatus ... 4
1 Esmased optilised omadused ... 6
1.1 Optiliselt aktiivsed ained (OAA) ... 7
1.1.1 Fütoplankton ja klorofüll-a ... 8
1.1.2 Tripton ... 9
1.1.3 Värvunud lahustunud orgaaniline aine ... 10
2 Uuritavad veekogud ... 11
2.1 Peipsi järv ... 11
2.2 Võrtsjärv ... 12
3 Satelliitkaugseire kasutamine veekogude uurimiseks ... 14
3.1 Satelliitsensorid veekogude seireks ... 15
3.1.1 MERIS/ENVISAT ... 15
3.1.2 MERIS Case II vete algoritm ... 16
3.1.3 MERIS andmete ümbertöötlused ... 17
3.1.4 Sentinel seeria satelliitsensorid ... 18
4 Materjal ja metoodika... 19
4.1 In situ andmed ... 19
4.1.1 Proovivõtupunktide asukohad ... 19
4.1.2 Klorofüll-a mõõtmine ... 20
4.1.3 Osakeste neeldumisspektri mõõtmine ... 21
4.2 Satelliidiandmed ... 22
4.2.1 ICOL eeltöötlus ... 23
4.3 Analüüsimetoodika ... 23
5 Tulemused ... 25
5.1 Fütoplanktoni neeldumiskoefitsiendi (aph(442)) ja klorofüll-a kontsentratsiooni (CChl- a) vahelised seosed ... 25
5.2 Fütoplanktoni erineeldumiskoefitsient (a*ph(442))... 31
5.3 Fütoplanktoni neeldumiskoefitsientide spektraalsed varieeruvused ... 33
5.4 Osakeste koguneeldumise (atot(442)) varieerumine ... 36
5.5 Satelliidiandmed ... 38
5.5.1 Neeldumisparameetrite valideerimine ... 38
5.5.2 Chl-a tulemite valideerimine ... 41
3
5.5.3 Ajaline varieeruvus ... 43
5.5.4 Neeldumiskoefitsientide suhteliste osakaalude analüüs osakeste koguneeldumises. ... 45
6 Järeldused ja arutelu ... 49
6.1 CChl-a ja aph(442) vaheline empiiriline seos Eesti suurte järvede jaoks ... 49
6.2 CChl-a ja aph(442) vahelised empiirilised seosed uuritavate veekogude võrdluses ... 49
6.3 CChl-a ja aph(442) vahelised empiirilised seosed ajalise varieeruvuse kontekstis ... 51
6.4 CChl-a ja aph(442) vahelised empiirilised seosed ruumilise varieeruvuse kontekstis.. 53
6.5 Seosed a*ph(442) ja summarse CChl-a vahel ... 55
6.6 MERIS standardtulemite sobivus neeldumisparameetrite tuvastamiseks ... 56
6.7 CChl-a ja aph(442) vaheliste empiiriliste seostega töödeldud MEGS Chl-a tulemite võrdlus MEGS standardtulemitega ... 57
6.8 MERIS tulemitelt pärinevate väärtuste ajaline ja ruumiline varieeruvus ... 59
7 Kokkuvõte ... 61
8 The relation between phytoplankton absorption coefficient and chlorophyll-a concentration for remote sensing applications for large Estonian lakes ... 63
9 Kasutatud kirjandus ... 64
Lisa 1. Enimkasutatud lühendite loetelu ... 70
Lisa 2. Neeldumiskoefitsientide arvutamine ... 71
Lisa 3. MERIS standardproduktide töötluste skeem ... 73
Lisa 4. Biomassiväärtuste varieerumine Peipsi ja Võrtsjärves ... 74
Lisa 5. Fütoplanktoni neeldumiskoefitsiendi ja klorofüll-a vaheline suhe vegetatsiooniperioodi teise poole andmete põhjal ... 75
Lisa 6. Peipsi avaosa aph(442) ja Chl-a seoste varieeruvus uuritavate aastate lõikes ... 76
Lisa 7. Peipsi ja Võrtsjärve seostega töödeldud MEGS tulemid ... 76
Lisa 8. Neeldumisväärtuste ajaline muutlikkus ... 77
Lisa 9. MERIS töötluste treenimispiirkonnad ja Chl-a tulemite üleminekuvõrrandid... 77
Lisa 10. Lihtlitsents lõputöö elektroonseks avaldamiseks ... 78
4
Sissejuhatus
Kolmveerand maakera pindalast on kaetud ookeanide, merede ja väiksemate siseveekogudega. Veekeskkond on tänasel päeval järjest suureneva inimmõju taustal muutunud tööstus- ja teenindussektori lahutamatuks osaks, mistõttu on oluline selle ökosüsteemi „tervisliku seisundi‖ pidev monitooring mitmesuguste riiklike ja rahvusvaheliste seireprogrammide raames. Ka Euroopa Liidu veepoliitika raamdirektiivis sätestatakse, et vesi ei ole kaup, vaid pärand, mida tuleb hoida, kaitsta ja sellisena käsitleda (EL veepoliitika raamdirektiiv (2000/60/EÜ)). Veekogude seisundi kohta saadakse teavet traditsiooniliste meetoditega proovide kogumise ja laboratoorse analüüsimise käigus. Kontaktmõõtmisi täiendavad mitmesugused vahetult veepinna kohal ja veemassi ülemistes kihtides opereeritavad spektraalsed radiomeetrilised mõõtmised. Siiski vaid satelliitkaugseire võimaldab jälgida veekeskkondi operatiivselt, tagada suureskaalalist ruumilist katvust ja detekteerida muutusi tagasiulatuvate aegridade abil oluliselt kuluefektiivsemalt. Samas on erinevad in situ mõõtmised vajalikud ning asendamatud satelliitproduktide algoritmide arendamise kontekstis.
Täiustunud satelliitkaugseire tehnoloogia on muutunud avavee seire kõrval tunduvalt tulemuslikumaks ka optiliselt aktiivsete ainete poolest varieeruvamate ranniku- ja siseveekogude monitooringul. Spetsiaalselt selliste vete seireks konstrueeritud ENVISAT pardal paiknev MERIS (vt. lühendite loetelu töö Lisas 1) sensor andis kümne aasta jooksul veekvaliteedi parameetrite kohta väärtuslikku informatsiooni ning muuhulgas on vastavaid tulemeid edukalt rakendatud järvede (Koponen et al., 2008), sealjuures ka Peipsi ja Võrtsjärve puhul (Alikas & Reinart, 2008; Alikas, Kangro, Reinart, 2010). Optiliselt keerukamate veekogude kaugseire jätkusuutlikkuse tagamiseks on hetkel arendamisel uue põlvkonna Sentinel seeria satelliitsensorid.
Fütoplankton on üks uuritum ja seiratum veekogu kvaliteeti määrav ja optilisi omadusi mõjutav parameeter. Primaarproduktsiooni intensiivistumine veekogus on vastuseks suurenenud toiteainete hulgale, mis omakorda on eelduseks eutrofeerumisele. Satelliitkaugseire abil tuvastatavad fütoplanktoni valgustneelava pigmendi klorofüll-a kontsentratsiooni väärtused võimaldavad edukalt detekteerida vetikaõitsenguid (Binding et al., 2010; Simis et al., 2005). Case I vete klorofülli algoritm põhineb lihtsal peegeldustegurite kanalite suhtel (MERIS ATBD 2.9, 2011). Oluliselt keerulisem on klorofülli määramine Case
5
II tüüpi vetest, kus optiliselt aktiivsed ained varieeruvad üksteisest sõltumatult ning suuremates väärtuste vahemikes. Muu hulgas kujundavad kõrgemad orgaaniliste ja mineraalsete ainete kontsentratsioonid veekogu valgustingimusi, mõjutades seeläbi ka fütoplanktoni pigmentide neeldumisomadusi. MERIS Case II vete algoritm tuletab peegeldustegurite väärtustest närvivõrgustiku meetodil esmalt fütoplanktoni neeldumiskoefitsiendi väärtused, millest arvutatakse spetsiaalsete empiiriliste valemite põhjal klorofüll-a kontsentratsiooniväärtused (MERIS ATBD 2.12, 1997). Peipsi ja Võrtsjärv on tüüpilised Case II veekogud, kus lisaks fütoplanktoni neeldumisele mõjutavad vee optilisi omadusi orgaaniliste ja mineraalsete ainete varieerumine.
Käesoleva töö eesmärkideks on (1) leida fütoplanktoni neeldumiskoefitsiendi (aph(442)) ja klorofüll-a kontsentratsiooni (CChl-a) vahelised empiirilised seosed Peipsi ja Võrtsjärve jaoks, (2) analüüsida aph(442) ja CChl-a vaheliste empiiriliste seoste ruumilist ja sessoonset muutlikkust, (3) uurida fütoplanktoni erineeldumiskoefitsiendi (a*ph(442)) varieeruvust summaarse Chl-a kontsentratsiooni muutumisel, (4) valideerida erinevaid neeldumisparameetreid ja CChl-a väärtusi MERIS standardtulemite põhjal ning uurida nende ajalist ja ruumilist varieeruvust, (5) testida töös leitud aph(442) ja CChl-a empiiriliste seoste sobivust MERIS standardtulemitel Chl-a kontsentratsiooni väärtuste tuvastamiseks.
6
1 Esmased optilised omadused
Veesambasse tunginud valguskvant võib oma teel neelduda või hajuda. Kuna need optilised nähtused on tingitud veekeskkonna keemilistest ja füüsikalistest parameetritest ega sõltu valgusvälja geomeetrilisest struktuurist, nimetatakse neid esmasteks optilisteks omadusteks (Inherent Optical Properties, IOP). Lainepikkusest sõltuvad kiirguse neeldumis- (a(λ)) ja hajumiskoefitsiendid (b(λ)) defineeritakse esmases lähenduses lõpmatult õhukesele kihile konkreetse nurga all langevate monokromaatsete paralleelsete valguskiirte abil. Loetletud esmased optilised omadused avalduvad nõrgenemiskoefitsiendi, c(λ), kaudu järgnevalt:
c(λ) = a(λ) + b(λ) (1)
Siinjuures defineeritakse neeldumiskoefitsient a(λ) lõpmatult õhukese kihi paksuse ∆r ja kiirgusvoo muutuse∆Φ põhjal seosega:
𝑎 λ = −1 Φ
∆Φ(λ)
∆r = ∆ A(λ)
∆r , (2)
kus A tähistab pealelangenud (Φ0) ja neeldunud (Φa) kiirgusvoogude suhet: A= Φ0(λ)
Φa(λ) (3)
Sarnaselt valemiga 2 on võimalik määrata ka hajumiskoefitsienti b(λ). Tegelikkuses muudab footon hajumise tagajärjel oma suunda, mistõttu kasutatakse eri suunas hajuva kiirgushulga iseloomustamiseks hajumisindikatrissi β (volume scattering function) kujul:
𝑏(λ) = 2π 𝛽 θ sin θ dθπ
0
, (4)
kus sinθ tähistab ruuminurga (θ) raadiust ning dθ ruuminurga muutust. Neeldumis-, hajumis- ja kiirguse nõrgenemiskoefitsiente väljendatakse pikkusühiku kohta, milleks on tavaliselt meeter, ning üle kogu ruuminurga (sr) vaadeldava integraalse hajumiskoefitsiendi ühikuks on m-1sr-1(Kirk, 2011).
Lisaks eristatakse edasi- ja tagasihajumiskoefitsiente (bf(λ), bb(λ)), mida kirjeldatakse sarnaselt valemile 4, kuid erinevamate integreerimisradadega (Kirk, 2011). Tagasihajumiskoefitsiendi näol on tegu ka ühe olulise füüsikalise suurusega optiliste instrumentidega mõõdetava parameetri ehk kaugseire peegeldusteguri (remote sensing reflectance, Rrs) algoritmide arendamisel (IOCCG, 2006):
𝑅𝑟𝑠 = 𝑔 𝑏𝑏(𝜆)
𝑏𝑏(𝜆) + 𝑎(𝜆), (5)
7
kus 𝑔 on päikese seniitnurgast sõltuv koefitsient (sr-1). Lisaks kaugseire peegeldustegurile lähtutakse ka teiste näivate optiliste omaduste (Apparent Optical Properties, AOP) nagu näiteks diffuusse nõrgenemis- (diffuse atenuation coefficient, Kd) ja peegelduskoefitsiendi (reflectance coefficient, R) tuletamisel just esmastest optilistest omadustest ning vastupidi (Bukata, 2005; IOCCG, 2006).
1.1 Optiliselt aktiivsed ained (OAA)
Veekogu optilisi omadusi mõjutavad olulisel määral seal leiduvad optiliselt aktiivsed ained (optically active substances), mis neelavad ja hajutavad veesambasse tunginud kiirgust ning määravad veepinna kohal mõõdetava peegeldusteguri. OAA-dena käsitletakse enamasti fütoplanktonit, värvunud lahustunud ograanilist ainet (coloured dissolved organic matter, CDOM) ja triptonit. Mõnikord viidatakse neile kirjanduses ka kui värvust tekitavatele ainetele (colour producing agents, CPA), kuna nendest sõltuvad loodusliku vee värvus ja läbipaistvus (Bukata, 2005). Üldiselt on OAA-de näol tegu oluliste ökoloogiliste indikaatoritega, mille hulga ja suhtelise osakaalu põhjal saab otsustada veekogu kvaliteedi üle.
Kuna esmased optilised omadused on aditiivsed, siis veekogu iseloomustav koguneeldumiskoefitsient (atot(λ)) kujunebki erinevate OAA-de ja ka puhta vee neeldumiskoefitsientide koosmõjul:
atot(λ) = aph(λ) + aCDOM(λ) + aNAP(λ) + aw(λ), (6) kus aph on fütoplanktoni, aCDOM värvunud lahustunud orgaanilise aine, aNAP triptoni ning aw
puhta vee neeldumiskoefitsiendid. Vastavate komponentide neeldumisspektrid on erinevad (Joonis 1) ning nende osakaalud kujundavad iseloomuliku veetüübi. Sarnaselt valemiga 6 saab defineerida ka veekeskkonna koguhajumis- ja –nõrgenemiskoefitsiendid (btot(λ), ctot(λ)).
Joonis 1. Värvunud lahustunud orgaanilise aine (aCDOM), fütoplanktoni (aph) ja triptoni (aNAP) neeldumiskoefitsientide spektrid käesoleva töö andmete põhjal. Puhta vee (aW) neeldumiskoefitsientide spekter Pope & Fry (1997) järgi.
8
Erinevaid OAA-sid on võimalik iseloomustada ka erineeldumis-, erihajumis- ja erinõrgenemiskoefitsientide (a*(λ), b*(λ) ja c*(λ)) abil. Need spetsiifilised esmased optilised omadused (specific inherent optical properties, SIOPs) defineeritakse aine ühikulise kontsentratsiooni kohta (Bukata, 2005).
Morel ja Prieur’i poolt 1977. aastal väljatöötatud veekogude klassifikatsioon põhineb OAA-de hulgal ja varieeruvusel. Selle kontseptsiooni alusel eristatakse kahte veetüüpi. Case I esindab selgeid ja puhtaveelisi veekogusid, kus optilised omadused on määratud peamiselt fütoplanktoni ja selle laguproduktide ehk feopigmentide poolt. Case II tüüp hõlmab veekogusid, mida mõjutavad peale klorofüll-a üksteisest sõltumatult ka tripton ja värvunud lahustunud orgaaniline aine. Üldiselt laieneb see veetüüp ranniku- ja siseveekogudele (IOCCG, 2000; Bukata, 2005). Siiski ei loo selline lihtsustatud lähenemine põhjalikumat pilti optiliste omaduste muutlikkusest konkreetse veekogu lõikes, mistõttu on vajalik lokaalsematele oludele vastavate spetsiifilisemate klassifikatsioonide arendamine. Näiteks Eesti ja Soome järvede andmetel põhinev optiline klassifikatsioon (Reinart et al., 2003) eristab viit optilist klassi. Nende testimine Peipsi järvel näitas, et üle 60% veeproovidest kuulus niinimetatud Mõõdukasse klassi, mille võib võrdsustada Case II-ga, kuid pea 10%
esindas pigem Case I tüübile lähedasemat Selget klassi (Reinart & Valdmets, 2007). 1.1.1 Fütoplankton ja klorofüll-a
Veekogu planktoni (kreeka k. planktos – passiivselt triiviv, uitav) moodustavad mikroskoopilised vabalt hõljuvad organismid, kes vastavalt taimsele või loomsele päritolule jaotatakse füto- ja zooplanktoniks (Lalli & Parsons, 1994). Kolmanda rühmana käsitletakse bakterplanktonit, kes oma suuruse (0,2-2 μm) poolest kuulub pikoplanktoni hulka. Fütoplankton hõlmab põhiliselt ainurakseid (enamasti 0,2-200 μm) fotosünteesimisvõimelisi vetikakogumeid, kes asustavad veekogu ülemist valgustatud ehk eufootilist tsooni (Lalli &
Parsons, 1994; IOCCG, 2000). Tegemist on primaarproduktsiooni ja globaalse süsinikuringe seisukohast olulise biofüüsikalise parameetriga, mille põhjal tehakse järeldusi veekogu troofsusseisundi kohta (IOCCG, 2000).
Veealust kiirgust suudavad nähtava laineala (400-700 nm) piires neelata spetsiaalse molekulaarse struktuuriga fütosünteetilised pigmendid, mille puhul eristatakse kolme tüüpi: klorofüllid, karotinoidid ja biliproteiinid. Esimesed kaks on esindatud kõikides fütosünteesivõimelistes vetikarühmades, kuid näiteks sinivetikad sisaldavad lisaks ka fükobiliproteiine ja ränivetikad karotinoide (Kirk, 2011). Fütoplanktoni biomass loetakse
9
üldjuhul kovarieeruvaks dominantse pigmendi klorofüll-a (Chl-a) kontsentratsiooniga (IOCCG, 2000). Selle pigmendi kaks neeldumismaksimumi paiknevad 440 nm ja 670 nm ümbruses. Fütoplanktoni neeldumisspektrit kujundavad (Joonis 1) ka lisapigmendid nagu klorofüll-b (Chl-b), mis neelab tugevalt vahemikus 465-485 nm ja 650 nm juures, ning klorofüll-c (Chl-c), mille põhiline neeldumispiik asetseb vahemikus 455-465 (Lalli & Parson, 1994; Seppälä, 2009). Klorofüll-b on lisapigmendiks rohevetikates ning räni- ja vaguviburvetikad sisaldavad klorofüll-c’d. Nii rohe- kui vaguviburvetikad kuuluvad Eesti suurte järvede vetikakoosluses vähemusrühma, seevastu ränivetikad on suurema liigirikkusega ning moodustavad sinivetikate ehk tsüanobakterite kõrval dominantse rühma (Nõges, Laugaste, Nõges, 2003; Laugaste, Nõges, Tõnno, 2008). Ränivetika ning dinoflagellaatide ehk vaguviburvetika liikide fotosünteesivõime sõltub suurel määral karotinoidide valgusneelavast toimest lainepikkuste 440-520 nm vahemikus. Biliproteiine leidub lisaks sinivetikatele ka punavetikates. Klorofüll-a kõrval ongi üheks peamiseks sinivetikate pigmendiks fükotsüaniin (neeldumisvahemik 600-700 nm), mis omab neeldumismaksimumi 620 nm juures, suurendades tsüanobakterite õitsenguperioodidel märgatavalt neeldumist fütoplanktoni spektri pikemas lainealas (Kirk, 2011)
Fütoplanktoni neeldumisvõime on tugevas seoses klorofüll-a kontsentratsiooniga, mida uurisid esmalt Yentsch ja Phinney (1989) ning Bricaud jt. (1995) tõestasid selle suurema andmehulga ja triptoni neeldumise väljakorrigeerimise järel järgneva matemaatilise seosega:
a*ph(λ) = A(λ)*CChl-a-B(λ), (7)
kus a*ph(λ) on fütoplanktoni erineeldumiskoefitsient (Lisa 2 valem 21) (m2 mg <CChl-a>-1), CChl-a on klorofüll-a kontsentratsioon ning A ja B on lainepikkustest sõltuvad koefitsiendid. Vastavast seosest lähtuvalt väheneb erineeldumiskoefitsiendi väärtus klorofüll-a kontsentratsiooni suurenedes. Neeldumisefektiivsuse langust suuremate kontsentratsiooniväärtuste korral tingib ka niinimetatud pakkimisefekt (ingl. k. package effect). Pakkimisefekt on põhjustatud vetikarakus sisalduvate pigmendi molekulide ebaühtlasest ruumilisest jaotumisest ning klastrite moodustumisest, mis avaldub madalamates a*ph(λ) väärtustes ja lamedamas spektrikujus (Kirk, 2011).
1.1.2 Tripton
Tripton (ingl. k. tripton või non algal particles, NAP) hõlmab nii mineraalset kui ka fütoplanktoni elutegevuse lõpptulemusena tekkinud surnud orgaanilist ainet (detriit) (Kirk, 2011). Üldjuhul mineraalsed ja orgaanilised hõljuvad osakesed hajutavad valgust intensiivselt
10
ning nende valgustneelav toime on teisejärguline. (Kirk, 2011). Triptoni hulga suurenemine vees tõstab peegeldusteguri maksimumi pikemate lainepikkuste (~700 nm) suunas, seevastu neeldumine on intensiivne sinises lainealas ning väheneb sarnaselt värvunud lahustunud orgaanilise ainega pikemate lainepikkuste suunas (IOCCG, 2000; Kirk 2011). Sarnasus neeldumisspektrites (Joonis 1) on põhjustatud vabalt hõljuvatest humiinaine osakestest või humiinse materjali kombineerumisest mineraalse ainega. Need ained jõuavad veekogusse peamiselt valgala muldadelt. Ookeanis ja suurema produktiivsusega veekogudes on tripton autohtoonset päritolu ehk kohapealse tekkega, moodustudes fütoplanktoni lagunemise tulemusena(Kirk, 2011).
1.1.3 Värvunud lahustunud orgaaniline aine
Kuna lahustunud orgaanilise aine (dissolved organic matter, DOM) sisaldust vees ei ole võimalik otse mõõta, siis lähtutakse selle hindamisel DOM-i koostises leiduva valgust neelava osa määramisest. Seda osa orgaanilisest ainest nimetatakse värvunud lahustunud orgaaniliseks aineks (coloured dissolved organic matter, CDOM), mida defineeritakse ka kui fraktsiooni, mis läbib filtrit poori suurusega 0,2 μm (Laanen, 2007). Kuna nende ainete põhikomponentideks on fulvo- ja humiinhapped, mis tingivad veekogu pruunika või kollaka varjundi, viidatakse lahustunud orgaanilisele ainele kirjanduses sageli ka kui kollasele ainele (ingl. k. yellow substance; saksa k. gelbstoff). Allohtoonset (väljaspool veekogu tekkinud) orgaanilist ainet kantakse veekogusse tavaliselt jõgedega või orgaanikarikastelt aladelt tulvavetega (IOCCG, 2000). Autohtoonse päritoluga CDOM moodustub enamasti fütoplanktoni degradatsiooniprotsessi tagajärjel, mistõttu CDOMi hulk sõltub primaarproduktsiooni intentsiivsusest konkreetses veekogus (Laanen, 2007).
Sarnaselt triptoniga, neelab ka CDOM tugevalt sinises lainealas ning neeldumisintensiivsus väheneb eksponentsiaalselt pikemate lainepikkuste suunas. Kollase aine neeldumine on kirjeldatav eksponentfunktsiooni abil:
aCDOM(λ) = aCDOM(λ0)exp(−S(λ0 − λ)), (8) kus aCDOM(λ) ja aCDOM(λ0) on CDOMi neeldumiskoefitsiendid vastavalt lainepikkustel λ ja λ0
ning S näitab neeldumisspektri eksponentsiaalset tõusuparameetrit, mis varieerub veetüübiti märgatavalt (IOCCG, 2000; Kirk, 2011). Kuna triptoni neeldumine on sisuliselt tingitud lahustunud orgaaniliste ainete koostises olevate ainete partikulaarsest neeldumisest, siis nende neeldumisspektrid on vägagi sarnased. Erinevate laboratoorsete meetodite rakendamine võimaldab neid kergesti eristada, kuid praktilistel kaalutlustel käsitletakse veekaugseires triptoni ja CDOMi neeldumist koos (IOCCG, 2000)
11
2 Uuritavad veekogud
Peipsi ja Võrtsjärv on madalad eutrofeerunud Case II tüüpi siseveekogud, mis on tundlikud jõgede kaudu ja valgaladelt sissekantava reostuskoormuse suhtes. Majandusliku ja rekreatsioonilise väärtusega veekogud kuuluvad alates 1990. aastate algusest Eesti riiklikku keskkonnaseire programmi, kuid regulaarseid teadusalaseid vaatlusi on järvedel teostatud alates 20. sajandi keskpaigast (Habermann, Timm & Raukas, 2008; Keskkonnainfo, Võrtsjärve hüdrokeemiline ja hüdrobioloogiline seire, 2014). Lisaks otseselt mõõdetavatele suurustele ja visuaalselt hinnatavatele parameetritele (veetemperatuur, läbipaistvus, suurtaimestik) kogutakse välitööde käigus proove bioloogiliste, hüdrokeemiliste ja -füüsikaliste näitajate arvutamiseks (Keskkonnainfo, Siseveekogude seire, 2014). Järvede üldseisundi hindamisel vastavalt Euroopa Liidu veepoliitika raamdirektiivi nõuetele lähtutaks bioloogilistest kvaliteedielementidest nagu klorofüll-a kontsentratsioon, fütoplanktoni biomass, sinivetikate osakaal üldbiomassis ning suurtaimede kooslus. Füüsikalis-keemilistest kvaliteedinäitajatest vaadeldakse pH-d, üldfosfori ja –lämmastiku sisaldust ja suhet ning Secchi ketta nähtavust (Keskkonnainfo, Peipsi 2013. aasta seirearuanne; Tuvikene, 2014). Vastavalt Veeseaduse määruses nr 44 (Riigi Teataja, Veeseaduse määrus nr 44, 2009) sätestatud kvaliteedinäitajate piirnormidele antakse veekogule ökoloogilise seisundi põhjal üldhinnang „väga hea‖, „hea‖, „kesine‖, „halb‖ või „väga halb‖.
2.1 Peipsi järv
Euroopa suuruselt (3555 km2) neljas järv paikneb Eesti-Vene piiril ning selle 47 800 km2 suurune valgala hõlmab piirkondi ka Läti ja Valgevene territooriumilt. Peipsi järv koosneb kolmest osast: suurim ja sügavaim avaosa Peipsi sensu stricto ehk Peipsi Suurjärv (keskmine sügavus 8,3 m), kitsas Lämmijärv (2,5 m) ning lõunapoolseim Pihkva järv (~4 m) (Nõges, 2001). Peipsi Suurjärv esindab kõige puhtamat veetüüpi ning on mõõdukalt eutroofne, Pihkva järve käsitletakse hüpertroofsena ning Lämmijärv on toitumistüübilt põhja- ja lõunaosa vahepealne (Habermann, Timm & Raukas, 2008). Toitelisust kujundavad 240 sissevoolu, millest suurim on Pihkva järve suubuv Velikaja jõgi, seejärel Emajõgi, Võhandu ja Želtša jõed (Jaani, 2001). Peipsi järve ainuke väljavool, 77 km pikkune Narva jõgi suubub Soome lahte (Habermann, Timm & Raukas, 2008). Suurim reostus lämmastik- ja fosforiühendite näol (>90%) jõuabki järve vooluveekogude kaudu (Blinova, 2001). Reostuskoormus hakkas kahanema 1990. aastate algusest, mil vähenes põllumajandusväetiste kasutamine (Nõges &
Nõges, 2008). Erinevate kvaliteedinäitajate põhjal on viimaste aastate üldhinnang Peipsi
12
avaosale ja Lämmijärvele olnud „kesine‖ ning Pihkva järvele „halb‖ (Keskkonnainfo, Peipsi 2013. aasta seirearuanne).
Peipsile on omane suvine sinivetikate õitseng, mida täheldati juba 100 aastat tagasi (Kullus, 1964). Vegetatsiooniperioodi lõikes eristatakse lisaks suvisele ka kevadist ja sügist õitsengut, mis intensiivsuse ja koosluse poolest järveositi erinevad (Laugaste, Nõges, Tõnno, 2008). Fütoplanktoni biomass, liikide arv ja klorofüll-a kontsentratsioon on kõrgemad lõunapoolsetes piirkondades, kus õitsengu tipp jääb erinevalt avaosast juuli- ja augustikuusse (Starast et al., 2001; Laugaste, Nõges, Tõnno, 2008).
Fütoplanktonis domineerivad liigirohke ränivetikate ja kõrgete biomassiväärtustega sinivetikate ehk tsüanobakterite rühmad. Vähemusrühmadest on esindatud rohe-, neel- ja koldvetikad ning vaguviburvetikad (Laugaste, Nõges, Tõnno, 2008). Ränivetikate rühma karakterliik Aulacoseria islandica on jahedalembene ja oligotroofset keskkonda eelistav niitjas ränivetikas (Laugaste et al, 2001). Ülejäänud vegetatsiooniperioodi vältel domineerivad lisaks niitjatele liikidele ka ketasränivetikaliigid (Cyclotella, Stephanodiscus) (Laugaste, Nõges, Tõnno, 2008). Peipsi avaosas leidub sinivetikatest mesotroofseid tingimusi eelistav Gloeotrichia echinulata ning liigirohke on perekonna Anabaena esindatus. Järve lõunapoolsemates osades ja vegetatsiooniperioodi teises pooles domineerivad perekonna Microcystis liigid ja Aphanizomenon flos-aquae (Laugaste, Panksep, Haldna, 2013).
Peipsi on madal, tuultele avatud veekogu, mistõttu on seal suur resuspendeerunud mineraalse heljumi sisaldus, mis on kõrgem Lämmi- ja Pihkva järves (Reinart, 2008). Veekogule pruunikat värvust andvate huumusainete hulk on samuti suurem järve lõunapoolsemates osades ning Emajõe suudmealal. Orgaanikarikka jõevee mõju on märgata kevadise ja sügisese suurvee ajal (Starast et al., 2001).
2.2 Võrtsjärv
Eesti suurima sisejärve pindala on pea 300 km2 (Järvet, 2003a). Suure vesikonna (3374 km2) ja madala keskmise sügavuse (2,8 m) tõttu on Võrtsjärv tundlik ja tugevasti mõjutatud antropogeensest tegurist. Veekogus kombineeruvad ümbruskaudsete maakondade põllumajandusregioonide mõjud ning ka vastavatest asulatest pärinevad reostuskoormused (Järvet, 2003b). Võrtsjärve veerežiimi kujundavad 18 põhilist sissevoolu, millest olulisim on Väike Emajõgi ning väljavool Emajõgi, mis ühendab Võrtsjärve Peipsiga (Järvet & Nõges, 1998). Kuigi Võrtsjärv on tervikuna homogeenne, eristatakse siiski kõrgema toitelisusega, taimestikurohket lõunapoolset osa põhjaosast (Järvet, 2003a). Põllumajanduslik reostuskoormus
13
veekogule on nüüdseks vähenenud, kuid vastavalt kehtestatud seisundiklassidele on järve üldhinnanguks määratud endiselt „kesine‖(Tuvikene, 2014).
Muutused Võrtsjärve veetasemes kontrollivad valitsevate valgustingimuste ja toitainete kättesaadavuse kaudu fütoplanktoni biomassi hulka vees. Kõrgvee perioodidel akumuleerub suur hulk fosforit setetesse ning fütoplankton on peamiselt limiteeritud valguse poolt (Tuvikene jt., 2003). Madala veeseisu ajal rikastub vesi resuspensiooni tagajärjel fosfaatse fosforiga ning vees olevad nitraadid omistatakse denitrifitseerivate bakterite poolt, misjärel suureneb gaasilise lämmastiku hulk. Selle tulemusena saavad konkurentsieelise õhulämmastikku siduvad tsüanobakterid (Järvet & Nõges, 1998). Tuulehoovuste mõjul on vesi Võrtsjärves segunenud ning erinevusi fütoplanktoni biomassis esineb vaid järve lõunapoolses osas, kus taimestik takistab veevahetust järve ülejäänud osaga (Nõges, Laugaste, Nõges, 2003).
Võrtsjärves on sarnaselt Peipsiga dominantrühmadeks sini- ja ränivetikad ning ülejäänud kuuluvad vähemusrühma, millest arvukamalt esineb rohe-, neel- ja vaguviburvetikaid. Sinivetikatest on suurima biomassiga niitjad Limnothrix planktonica ja L. Redekei (Järvet &
Nõges, 1998). Ränivetikatest esineb enamasti perekondade Aulacoseira ja Cyclotella ketasränivetikate liike, kes saavutavad oma maksimumi kevadkuudel pärast jääminekut. Suve edenedes on ülekaalus tsüanobakterid ning sügisel saabub ränivetikate teine kõrgaeg (Nõges, Laugaste, Nõges, 2003).
Sissekantud ja lainetuse kulutava toime järel tekkinud kergemad heljumiosakesed kuhjuvad Võrtsjärve lõunaosa sügavamatesse ning varjulisematesse kohtadesse, samas kui veekogu põhjaosas domineerivad väiksemate mudasetete asemel liivakamad ja savikamad mineraalosakesed (Nõges & Järvet, 1998). Lahustunud orgaaniline aine on peamiselt allohtoonset päritolu ning rohkesti kantakse seda sisse kevadise suurvee ajal Väikese Emajõe kaudu (Tuvikene jt., 2003).
14
3 Satelliitkaugseire kasutamine veekogude uurimiseks
Kaugseire on teadus uuritavast keskkonnast pärineva informatsiooni hankimisest kaugusest tehtud piltide põhjal. See põhineb objektidelt peegeldunud või kiiratud elektromagnetenergia mõõtmisel. Vastavalt mõõtmismetoodikale eristatakse passiivset ja aktiivset kaugseiret. Viimase puhul salvestab vastuvõttev süsteem tekitatud kiirgussignaali peegeldumist objektilt ning passiivse kaugseire korral registreeritakse kõrgemal platvormil või satelliidil paikneva sensori poolt objektilt lähtunud elektromagnetkiirgus (Campell, 1987). Kuigi veekaugseires rakendatakse edukalt mikrolaine- ja infrapunase kiirguse piirkonda, siis vee kvaliteeti määravate optiliselt aktiivsete ainete uurimisel leiab laiemat kasutust nähtav laineala (~390- 740 nm) (Bukata, 2005). Ka käesolev töö käsitleb passiivse kaugseire optilist osa.
Veekogu kohalt sensorisse jõudev signaal pärineb erinevatest keskkondadest. Vastuvõttev kiirgushulk võib olla hajunud aerosooliosakeste ja teiste atmosfääris leiduvate ühendite tõttu. Veekogust pärinev signaal on nõrk, moodustades ~10% sensori poolt mõõdetud signaalist, mistõttu on atmosfäärimõju eemaldamine vastavate algoritmidega olulise tähtusega (IOCCG, 2010). Atmosfääris leiduvate osakeste tagasihajumine on intensiivsem lühematel lainepikkustel, kus on suurim ka veekogusiseste optiliselt aktiivsete ainete neeldumine. Lisaks on Case II vetes leiduvate mineraalsete ainete tagasihajumine suurim lähiinfrapunases lainealas, raskendades atmosfäärikorrektsiooni (IOCCG, 2000). Vahetult veekogu pinnalt peegeldunud kiirgus kannab endas informatsiooni veekogu dünaamika kohta. Lainetava veepinna peegeldustegur on suurem ning see paistab heledam kui rahulik veemass (Campell, 1987). Vaid veekogus endas hajunud ja ülessuunduv kiirgus annab teavet spektraalseid omadusi kujundavate optiliselt aktiivsete ainete kohta (IOCCG, 2000). Madalate ja selgete vete puhul tungib kiirgusenergia Päikeselt ka veekogu põhja, kus osa peegeldunud ja hajunud footonitest ka sensorisse jõuab. Sise- ja rannikuvete seirel põhjustab täiendavaid vigu kaldapiirkondade lähedus ning tuleb arvestada naabrusefektiga, mille tõttu võib sensor registreerida signaali suurema peegeldusteguriga maapikslitelt (Campell, 1987).
Seetõttu on veekogude seireks konstrueeritud sensoritel veest pärineva nõrga signaali tuvastamiseks kõrge spektraalne, radiomeetriline ja ajaline lahutus ning võrreldes maaseire instrumentidega mõnevõrra madalam ruumiline lahutus (Laanen, 2007). Lisaks on signaali vastuvõtmine ja esmane kalibreerimine töömahukas ning salvestatud informatsiooni edasine tõlgendamine erinevate kaugseire algoritmidega mitmeetapiline ja keerukas.
15 3.1 Satelliitsensorid veekogude seireks
Keskkonnakaugseire ajastu algust tähistab 1972. aasta, mil kosmosesse lennutati NASA satelliit ERTS-1 (Earth Resources Technology Satellite), mis hiljem nimetati ümber kui Landsat-1. Algselt taimkatte seireks konstrueeritud Landsat sensorid on nüüdseks leidmas järjest suuremat rakendust ka veekogude monitooringul (Bukata, 2005; IOCCG, 2012). 2013. aasta algul alustas oma missiooni Landsat-8, mille pardal paikneva OLI (Operational Land Imager) sensori parameetrid lubavad seda kasutada ka optiliselt keerukamate ranniku- ja sisevete uurimisel (Landsat Science − Landsat-8, 2014). Sarnaselt Landsati satelliitseire instrumentidega on maaseireks mõeldud sensorid AVHRR (Advanced Very High Resolution Radiometer) ja SPOT (Satellite Pour l’Observation de la Terre) leidnud rakendamist vee värvuse ja temperatuuri tuvastamisel (Kirk, 2011).
Spetsiaalselt merekeskkonna seireks konstrueeritud sensor CZCS (Coastal Zone Colour Scanner) Nimbus-7 pardal suurendas 1980. aastatel olulisel määral teadmisi ookeani värvuse ja primaarproduktsiooni globaalse jaotuse osas (Kirk, 2011). Sellele järgnesid niinimetatud teise põlvkonna satelliitsensorid OCTS (Ocean Colour and Temperature Scanner), POLDER (Polarization and directionality of Earth’s refelectances), SeaWiFS (Sea-viewing Wide Field- of-view Sensor), MODIS (Moderate Resolution Imaging Spectroradiometer), MERIS (MEdium Resolution Imaging Spectrometer) ja GLI (Global Imager). Nendest vaid MERIS on piisava ruumilise ja radiomeetrilise lahutusega multispektraalne spektromeeter, mis keskendus eelkõige ranniku- ja sisevete monitooringule (Bukata, 2005; IOCCG, 2012).
3.1.1 MERIS/ENVISAT
Euroopa Kosmoseagentuuri (European Space Agency, ESA) satelliidi ENVISAT (ENVIronmental SATellite) 2002. aastal alanud missioon lõppes ametlikult 2012. aasta mai algul (ESA, Online News, 2014). Mööda 800 km kõrgust päikesesünkroonset orbiiti liikuva ENVISAT pardal paiknes teiste istrumentide kõrval ka MERIS, mille põhieesmärkideks veekaugseire valdkonnas oli detekteerida ja hinnata vees sisalduvate OAA-de hulka, tuvastada vetikaõitsenguid, jälgida saastunud piirkondi ning topograafilisi muutusi (näiteks kaldaerosioon). Spektromeeter suutis skanneerida maakera harjaskanneri meetodil (push- broom method) kahe kuni kolme päevaga. MERISel on nadiiri suhtes 68,5° vaatenurk ning seeläbi 1150 km suurune vaateväli (ESA, MERIS Product Handbook, 2006). 15 spektraalkanalit olid programmeeritavad nii laiuses kui positsioonis ja katsid spektraalvahemiku 390-1040 nm. Veekogude seireks rakendati nähtava laineala kaheksat
16
kanalit, mille laiuseks on 10 nm, ning lähiinfrapunase piirkonnna kanaleid kasutati atmosfäärikorrektsiooni arvutustes (Kirk, 2011).
MERISe produkte arhiveeriti nii 1200- (Reduced Resolution, RR) kui ka 300-meetrise (Full Resolution, FR) ruumilise lahutusega. Erineva lahutusega produktide puhul eristatakse omakorda kuni nelja tulemite tasandit – Level0 (L0), Level1 (L1), Level2 (L2), Level3 (L3). L0 tulemite näol on tegu numbriliste toorandmetega, mis on sisendiks järgnevale töötlustasandile. L1 tasandi produktid sisaldavad 15 spektraalkanalis mõõdetud atmosfääri ülapiiri kiirguse väärtusi. L2 tulemid saadakse L1 tasandi produktide kiirgusväärtuste põhjal atmosfäärikorrektsiooni järel. Need hõlmavad klassifitseeritud (maa-, vee- ja pilvepiksel) geofüüsikaliste suuruste produktide gruppe nagu OAA-de kontsentratsioonid, vegetatsiooniindeksid ja erinevad atmosfääriparameetrid (ESA, MERIS Product Handbook, 2006). L3 produktid on ajalises ja ruumilises kontekstis kombineeritud ning keskmistatud L2 tulemitel põhinevad produktid, mida kasutatakse sessoonsete muutuste või pikaajaliste trendide analüüsimiseks (ESA, MERIS Product Handbook, 2006; Kratzer & Vinterhav, 2010).
3.1.2 MERIS Case II vete algoritm
MERISe veetulemite töötlusskeemi üks olulisemaid etappe on atmosfäärikorrektsioon, mille lõpptulemusena saadakse atmosfääri ülapiiri (top of atmosphere, TOA) kiirguse väärtustest veest lahkuva kiirguse peegeldusspekter. See eeldab kiirguse teele jäävatelt objektidelt nagu õhumolekulidelt, aerosoolidelt, õhukestelt pilvedelt tagasihajunud kiirgushulga ning lisaks ka otse veepinnalt peegeldunud kiirgusenergia määratlemist. Nende objektide parameetrite alusel on loodud niinimetatud kontrolltabelid (ingl. k. look up table, LUT), mis sisaldavad arvutusteks vajalikke koefitsiente. Atmosfäärikorrektsiooni protseduur põhineb Monte Carlo kiirguslevi simulatsioonidel (MERIS ATBD 2.25-V 1.0, 2011).
Veest lahkuva kiirguse peegeldustegurid on sisendiks MERISe bio-optilise mudeli närvivõrgustikule (Neural Network, NN). Bio-optiline mudel põhineb mõõdetud esmaste ja näivate optiliste omaduste (erinevate ainete neeldumis- ja hajumiskoefitsiendid, peegeldustegurid) ning vaategeomeetria andmebaasil. Mõõtmisandmed on kogutud kontaktmõõtmiste käigus Põhjamerest, osaliselt ka Läänemerest ja Atlandi ookeani põhjapoolsetest regioonidest ning neid kasutatakse sisendina Hydrolight’i abil simuleeritud väärtuste saamisel. Närvivõrgustikul põhinev algoritm tuletab veest lahkuva kiirguse peegeldusspektri alusel esmased optilised omadused, mille alusel arvutatakse konversioonifaktoreid kasutades OAA-de kontsentratsioonid (Doerffer & Schiller, 2007).
17
Närvivõrgustikku treenitakse simuleeritud peegeldusteguritega. Lisaks on algoritmi NN kombinatsioon edasi- (ingl.k. forward) ja tagasisuunatud (ingl.k. inverse) modelleerimismeetoditest. Tagasisuunatud mudelis arvutatakse OAA-de väärtused MERISe kaheksas kanalis mõõdetud peegeldusspektri ja vaategeomeetria (päikese- ja vaatenurk, asimuudi kõrvalekalle) põhjal. Edasisuunatud mudeli väljundiks on OAA kontsentratsioonide, neeldumisväärtuste ning vaategeomeetria alusel peegeldusspekter (MERIS ATBD 2.12, 1997). Mõlemal juhul põhinevad arvutused NN meetodil ning vastav modelleerimistehnikate sidumine võimaldab pikselhaaval kontrollida, kas algoritmi sisendiks olev peegeldusspekter jääb NN-i treenimispiirkonda ning vastavalt sellele lisatakse igale pikslile ka märgendid (Doerffer & Schiller, 2007) Algoritmi lõppetapiks on neeldumis- ja hajumiskoefitsiendi väärtuste (442 nm) põhjal arvutatud OAA-d. Klorofüll-a kontsentratsioon avaldub fütoplanktoni neeldumiskoefitsiendi (aph(442)) kaudu järgnevalt (Doerffer & Schiller, 2007):
CChl-a = 21*aph(442)1,04 (9)
Vees hõljuva triptoni hulk arvutatakse partikulaarse hajumiskoefitsiendi (bNAP(442)) põhjal (Doerffer & Schiller, 2007):
bNAP=1,73*bNAP(442) (10)
Värvunud lahustunud orgaanilise aine sisaldus antakse neeldumiskoefitsiendi väärtusena 442 nm juures. MERISe kollase aine produkt kujuneb nii CDOMi kui ka triptoni neeldumiskoefitsiendi väärtuste summana (Doerffer & Schiller, 2007):
aCDOM_NAP(442) = aCDOM(442) + aNAP(442) (11)
Kuna OAA-d on väga varieeruvad oma keemiliste, füüsikaliste ja eelkõige optiliste omaduste poolest, siis annabki närvivõrgustikul põhinev algoritm väljundiks 442 nm juures neeldumis- ja hajumiskoefitsiendi väärtused, mida on võimalik vastavate üleminekukoefitsientide põhjal kontsentratsiooniväärtustest tagasi arvutada ning rakendada veekoguspetsiifilisi konversioonifaktoreid (Doerffer & Schiller, 2007). Puhta vee neeldumise tulem MERISel puudub, mistõttu leitakse osakeste koguneeldumise tulem 442 nm juures kollase aine (aCDOM_NAP(442)) ja tagasiarvutatud aph(442) tulemite summeerimisel:
atot(442) = aCDOM_NAP(442) + aph(442) (12) 3.1.3 MERIS andmete ümbertöötlused
MERIS andmete ümbertöötluste eesmärk on parandada arhiveeritud tulemite kvaliteeti. Kaks esimest ümbertöötlust viidi läbi 2003 ja 2005. aastal. Kolmas MERIS andmete ümbertöötlus toimus enne ENVISAT missiooni lõppu 2011. aastal (ESA, MERIS 3rd Data Reprocessing, 2011). Hetkel on käsil andmete neljas ümbertöötlus, mis peaks lõppema 2015. aasta jooksul.
18
Teine ümbertöötlus. MERIS standardprodukti MEGS (MERIS Ground Segment data processing prototype) teise ümbertöötluse muudatused hõlmasid eelkõige L2 produktidega seonduvat. Vastav MEGSi versioon (7.5) on ühilduv IPF (Instrument Processing Facility) 5.05-ga. Teise ümbertöötluse käigus täiustati pikslite klassifikatsiooni, õhus leiduvate neelavate gaasiosakeste korrektsiooni, atmosfäärisambas sisalduva veeauru sisalduse ja maapinna õhurõhu väärtuste tuvastamist. Lisaks redigeeriti sogaste vete atmosfäärikorrektsiooni tuvastamist ning modifitseeriti Case II veetulemite närvivõrgustikku. (MERIS QWG, 2005; ESA, Evolution of the MERIS IPF, 2012).
Kolmas ümbertöötlus. MEGS kolmanda ümbertöötluse versioon (8.1) on ühilduv IPF 6.04- ga. Ümbertöötlused hõlmasid L1 ja L2 tasandi tulemeid. Muutus Case II tüüpi vete harus oli spetsiaalse atmosfäärikorrektsiooni integreerimine töötlusahelasse. Uus korrektsioon põhineb närvivõrgustikul, mille idee on siduda veest ja vee kohal olevast atmosfäärist lähtuvad peegeldustegurid atmosfääri ülapiiri peegeldusteguritega, esindamaks suurt hulka erinevaid päikese- ja vaatenurki, aerosooli kontsentratsioone, veesiseste OAA-de hulkasid, tuule kiirusi ja simuleeritud päikesehelgi juhtusid. Muuhulgas redigeeriti BPAC (Bright Pixel Atmospheric Correction) atmosfäärikorrektsiooni märgendit, mis näitab nüüdsest õnnestunud atmosfäärikorrektsiooni protseduuri (ESA, MERIS 3rd Data Reprocessing, 2011).
3.1.4 Sentinel seeria satelliitsensorid
Niinimetatud kolmanda põlvkonna keskkonnaseire instrumentide hulka kuuluvad ESA ja Maa jälgimise programmi Copernicus ühisprojektina arendatavad Sentinel seeria satelliidid (ESA, Copernicus − Overview, 2014). 2014. aasta aprilli algul tegi eduka stardi kosmosesse Sentinel-1, mis keskendub radarseire rakendustele maismaa ja ookeani uurimisel. Sentinel-2 ja Sentinel-3, mille pardal on kõrglahutusega multispektraalsed sensorid optiliselt keerukamate veekogude seireks, plaanitakse hetkeseisuga kosmosesse saata vastavalt 2014. ja 2015. aastal (Copernicus, the Sentinels, 2014). Sentinel-3 missiooni põhieesmärkideks on mere- ja ookeanipinna temperatuuri, merevee kvaliteedi ja saastatuse monitooring ning sisevete seire. Päiksesünkroonse satelliidi viie instrumendi hulgas on OLCI (The Ocean and Land Colour Instrument), mille konstrueerimisel on lähtutud MERISe tehnilistest parameetritest. Laiem vaateväli (1290 km), kuus täiendavat spektraalkanalit, spektrivahemik 400-1020 nm, modifitseeritud vaategeomeetria ja mitmed tehnilised täiustused peaksid kokkuvõttes võimaldama edukamalt optiliselt keerukaid veekeskkondi seirata (ESA, Sentinel- 3 (SP-1322/3), 2014).
19
4 Materjal ja metoodika
4.1 In situ andmed
Neeldumiskoefitsientide arvutamiseks (Lisa 2) kasutati käesolevas töös riikliku keskkonnaseire ning Tartu Observatooriumi (TO) veekogude kaugseire töörühma ja Tartu Ülikooli Eesti Mereinstituudi (TÜ EMI) kaugseire ja mereoptika osakonna ühisseire käigus kogutud proove (Tabel 1) ja nende põhjal Eesti Maaülikooli (EMÜ) Põllumajandus- ja keskkonnainstituudi (PKI) Limnoloogiakeskuses ajavahemikus 2010-2013 mõõdetud Peipsi ja Võrtsjärve osakeste koguneeldumisspektrite andmeid. Tabelis 1 on mõlema veekogu kohta välja toodud mõõtmispunktide hulgad, kus igal aastal proove koguti. Lisaks kasutati töös Chl-a kontsentratsiooni-, CDOMi neeldumiskoefitsiendi, fütoplanktoni kogubiomassi ning domineerivate vetikarühmade sini- ja ränivetikate biomassiväärtusi.
Tabel 1. Proovivõtupunktide hulk erinevatel aastatel kuude kaupa.
2010 2011 2012 2013
Peipsi
mai - 9 3 10
juuni 6 12 21 9
juuli 6 15 13 26
august 15 33 25 15
september 6 15 9 6
oktoober 6 - 6 9
Võrtsjärv
mai - 2 1 2
juuni - 1 5 2
juuli 1 1 1 6
august 10 10 14 10
september 1 2 2 1
oktoober - - 1 2
KOKKU 51 100 101 98
4.1.1 Proovivõtupunktide asukohad
Igakuiselt kogutakse riikliku keskkonnaseire programmi raames Peipsi järves proove mõõtmispunktidest 2, 4, 11, 16, 17 ja 38 ning augustikuiste ekspeditsioonide käigus üle kogu järve asetsevatest punktidest, mille hulka kuuluvad Peipsi Suurjärves paiknevad seirejaamad 5, 7, 10, 91, 92, 43, Lämmijärve punkt 56 ning Pihkva järve punktid 22, 27, 51 ja 52 (Joonis 2a). TO ja TÜ EMI ühisseire puhul jääb suurem osa mõõtmispunkte Emajõe suudme mõjualasse, kuid näiteks 2012. aastal koguti rohkelt proove ka Peipsi avaosast ning Lämmijärvest (Joonis 2b).
20
Joonis 2. Peipsi mõõtmispunktide asukohad riikliku seire (a) ning TO ja TÜ EMI ühisseire (b) puhul. Erinevate värvidega on esimesel juhul märgitud regulaarsete ja ühekordsete seirejaamade asukohad ning teisel joonisel proovivõtupunktide asukohad erinevatel aastatel.
Võrtsjärve mõõtmispunktist 10 pärinevad regulaarsed riikliku seire raames kogutud mõõtmistulemused ning augustikuiste välitööde käigus kogutakse proovid ka üle kogu järve asetsevatest mõõtmispunktidest (Joonis 3a). TO ja TÜ EMI ühisseire käigus on kogutud igal aastal proove muuhulgas Limnoloogiakeskuse seirepunkti 10 ümbrusest (Joonis 3b).
Joonis 3. Võrtsjärve mõõtmispunktide asukohad riikliku seire (a) ning TO ja EMI ühisseire (b) puhul. Erinevate värvidega on esimesel juhul märgitud regulaarsete ja ühekordsete seirejaamade asukohad ning teisel joonisel proovivõtupunktide asukohad erinevatel aastatel.
4.1.2 Klorofüll-a mõõtmine
Veeproovid kogutakse riikliku keskkonnaseire käigus batomeetri abil integreerituna veekogu erinevatest sügavustest ning ühisseire (TO ja TÜ EMI) käigus järvede ülemisest, kuni 0,5 m kihist. Proovipudelid hoiustatakse filtreerimiseni külmas ja pimedas, et minimeerida mikrobioloogilist lagunemist. Veeproovid filtreeritakse läbi Whatman tüüpi GF/F
a) b)
a) b)
21
klaasikiudfiltrite (läbimõõduga 25 või 47 mm), misjärel fooliumisse pakitud filtrid säilitatakse mõõtmiste alguseni külmas. Enne mõõtmisi ekstraheeritakse fütoplanktoni pigmendid 96%- lise etanooliga. Seejärel proov sonikeeritakse ning tulemuseks on filtril olnud materjali suspensioon, mida seejärel Hitachi U-3010 abil spektrofotomeetriliselt mõõdetakse. Feopigmentide kontsentratsiooni (Cfeop.) leidmiseks mõõdetakse vesinikkloriidiga rikastatud suspensiooni neeldumist 664 nm juures (ISO 10260: 1992 (E)). Klorofüll-a ja feopigmentide kontsentratsiooniväärtused arvutatakse vastavalt Jeffrey & Humphrey (1975) ja Lorenzeni (1967) võrrandite järgi.
4.1.3 Osakeste neeldumisspektri mõõtmine
Selleks, et määrata osakeste neeldumist, mõõdetakse valguse neeldumist filtrile jäänud pigmenteerunud ja mittepigmenteerunud osakestes (Tassan & Ferrari, 1995). Valguskiire seda osa, mis läbib filtril olevaid osakesi, kasutatakse filtri neeldumise (A()) tuletamiseks ning see teisendatakse suspensiooni (Asus) jaoks ümber, misjärel saadakse ekvivalentne neeldumiskoefitsient (a()).
Veeproovid kogutakse samuti veekogu kihtidest integraalselt ning hoiustatakse külmas ja pimedas kuni filtreerimiseni. Iga mõõtmispunkti kohta võetakse kaks paralleelproovi. Filtreerimiseks kasutatakse Whatman tüüpi GF/F klaaskiudfiltreid läbimõõduga 25-47 mm ja poori suurusega 0,7 µm. Filtrite mõõtmiseks kasutatakse integreeritud keraga varustatud kahekiirelist Hitachi U-3010 spektrofotomeetrit. Mõõtmistulemused saadakse 1 nm lahutusega spektrivahemikus 350-800 nm.
Lisaks prooviga kaetud filtritele viiakse mõõtmised läbi ka referentsfiltriga, milleks on destilleeritud veega immutatud filter. Referentsspektrid mõõdetakse igal aastal ja kohati eraldi ekspeditsioonide kohta. Esmalt asetatakse aparatuuri ainult referentsfiltrid ja mõõdetakse nende spektrid ning seejärel prooviga kaetud filtrid. Pärast esmaseid mõõtmisi pleegitatakse filtreid (k.a. referentsfiltreid) naatriumhüpokloriti (NaClO) lahusega, et oleks võimalik määrata depigmenteerunud osakeste neeldumist ning seeläbi leida fütoplanktoni pigmentide neeldumine. NaClO eelis teiste solventide nagu näiteks metanooli ees on efektiivsus lahusti- resistentsete vetikaliikide suhtes, pleegitades täielikult näiteks fükotsüaniini pigmendid. Spektrofotomeeter võimaldab mõõta nii läbivat kui peegeldunud valgust (Joonis 4). Läbivas valguses mõõtmiseks (ingl.k. transmission mode) asetatakse prooviga kaetud või referentsfilter kera ava ette ning tagumiste avade ees on Spectralon® plaadid. Peegeldunud valguse (ingl.k. reflectance mode) mõõtmise ajal asetsevad filtrid tagumise ava ees, mille taga
22
on absorbeeriv must materjal, ning teise ava ees paikneb Spectralon® plaat. Samasugusel põhimõttel mõõdetakse kiirgust ka pleegitatud filtritelt. Lõpuks saadakse nii prooviga kaetud kui referentsfiltrite neljast spektrist koosnev kompleks, millest kaks esindavad pleegitamata filtrite ja teised kaks pleegitatud filtrite mõõtmistulemusi kahes režiimis.
Joonis 4. Filtrit läbiva (a) ja sellelt peegeldunud (b) valguse mõõtmiste skeem spetsiaalse integreeritud keraga varustatud spektrofotomeetriga.
Neeldumiskoefitsientide arvutamisel on lähtutud Tassan & Ferrari (1995, 2002) metoodikast. Arvutamiseks kasutati MatLabis kirjutatud skripti ning vastavad valemid on toodud töö lisas (Lisa 2). Nende alusel saadi iga mõõtmispunkti kohta kaks aNAP, aph, a*ph spektreid sisaldavat väljundfaili. Edasise uurimise tarbeks keskmistati spektriväärtusi konkreetsetel lainepikkustel.
4.2 Satelliidiandmed
Käesoleva töö raames laeti ODESA (Optical Data Processor of European Space Agency) andmebaasist (http://earth.eo.esa.int/odesa/) alla 177 vähendatud lahutusega (RR) 2010. ja 2011. aasta MERIS L1 standardprodukti, mis olid läbinud kolmanda ümbertöötluse (MEGS 8.1). Esmalt rakendati produktidele ICOL (Improved Contrast between Land and Ocean) eeltöötlust ning seejärel töödeldi neid eraldi teise ja kolmanda ümbertöötlusele vastavate MEGS L2 standardalgoritmidega. Satelliidiandmetega on kaetud periood mai algusest kuni septembri lõpuni kahel uuritaval aastal. L1 piltide töötlemiseks MEGS standardalgoritmidega kasutati spetsiaalset tarkvara ODESA ning ICOLi eeltöötluse tegemiseks ja satelliiditulemite visualiseerimiseks tarkvara BEAM 4.11 (Brockmann Consult).
Käesolevas töös rakendati MEGS 8.1 L1 produktidele C2 NN BOA (Case2 Neural Network Bottom of Atmosphere) algoritmi teise ümbertöötlusega samaväärsete (ODESA forum, 2014) L2 tulemite (edaspidi töös kui MEGS C2-BOA) ning MEGS 8.1 L2 standardalgoritme kolmanda ümbertöötluse tulemite saamiseks. MEGS 8.1 L1 produktide kvaliteeti tõstsid ümbertöötluse käigus uuenenud kalibratsioon ja geolokatsioon, paranenud radiomeetria, geomeetria ning modifitseeritud ookeani ja rannikujoone kvaliteedimärgendid, mistõttu
a) b)
23
otsustati need töötluste aluseks võtta. Kaks töötlusahelat hõlmavad erinevaid atmosfäärikorrektsioone (MERIS ATBD 2.25-V 1.0, 2011; MERIS ATBD 2.7, 2011). Atmosfäärikorrektsiooni järel saadud peegeldustegurid on sisendiks bio-optilise mudeli närvivõrgustikule (MERIS ATBD 2.12, 1997). Vastavaid töötlusahelaid illustreeriv skeem on toodud töö lisas (Lisa 3 joonis 1).
4.2.1 ICOL eeltöötlus
Enne põhitöötlusi rakendati MERIS L1 piltidele ICOL eeltöötlust, millega korrigeeritakse ja minimeeritakse naabrusefekti (ingl.k. adjacency effect) mõju. Selle mõju ilmneb ranniku- ja sisevetes, mille puhul kontrastsest keskkonnast pärineva kiirguse eristamine osutub keeruliseks. Naabrusefekt on eriti märgatav punases ja infrapunases lainealas, kus vesi paistab peaaegu mustana ja taimkattega kaetud alad väga heledatena. Seega võib sensor atmosfääris aset leidva kiirguse hajumise tõttu registreerida nii maismaa- kui veepikslitelt pärineva kiirguse(Koponen et al., 2008; ICOL ATBD, 2010; ICOL Software, 2010).
4.3 Analüüsimetoodika In situ andmete analüüs:
Fütoplanktoni neeldumiskoefitsiendi (aph(442)) ja klorofüll-a kontsentratsiooni (CChl-a) vahelised empiirilised seosed leiti regressioonianalüüsi põhjal ning vähimruutude meetodil (Least Square Method, LSM). Regressioonianalüüsi põhjal võrreldi lisaks empiiriliste seoste võrrandi parameetrite standardvigu ja statistilisi olulisusi. Eraldi seosed leiti Peipsi ja selle erinevate osade (Peipsi Suurjärv, Lämmi- ja Pihkva järv, Emajõe suudmeala) ning Võrtsjärve andmete põhjal. Lisaks vaadeldi eraldi mõlema veekogu vegetatsiooniperioodi esimest (mai-juuni) ja teist (juuli-oktoober) poolt.
Sarnased seosed leiti ka fütoplanktoni erineeldumiskoefitsiendi (a*ph(442)) ning Chl-a ja feopigmentide summaarse kontsentratsiooni (CChl-a + Cfeop.) vahel eraldi Peipsi ja Võrtsjärve andmete põhjal. Lisaks võrreldi a*ph(442) varieeruvust teiste uurimustega.
Nelja aasta keskmistatud aph neeldumisspektreid analüüsiti ajalise ja ruumilise varieeruvuse uurimiseks vegetatsiooniperioodi vältel erinevate Peipsi järve mõõtmispunktide (4, 11, 17, 38) ning Võrtsjärve Limnoloogiakeskuse seirejaama 10 väärtuste põhjal. Lisaks koostati tulpdiagrammid neeldumiskoefitsientide aph(442):aph(675) suhte keskmistatud väärtustega samades mõõtmispunktides.
Uurimaks erinevate neeldumiskomponentide (aph(442), aCDOM(442) ja aNAP(442)) osakaalude varieerumist osakeste koguneeldumises (edaspidi ka kui atot(442)) koostati
